شبكة النانوية الاصطناعية تعمل مثل الدماغ عند التحفيز الكهربائي

اكتشف علماء من جامعة سيدني والمعهد الوطني للمواد العلمية في اليابان كيفية جعل شبكة اصطناعية من النانوية تعمل بطريقة تشبه الدماغ عند التحفيز الكهربائي.

نشرت الدراسة في Nature Communications.

قاد الفريق الدولي جويل هوتشسترتر، الذي انضم إليه البروفيسور زدنكا كونسيك والبروفيسور تومونوبو ناكاياما.

وجد الفريق أنهم يمكنهم الحفاظ على شبكة من النانوية في حالة تشبه الدماغ “على حافة الفوضى” للقيام بالمهمات على مستوى مثالي.

وفقًا للباحثين، هذا يشير إلى أن الطبيعة الأساسية للذكاء العصبي هي فيزيائية، ويمكن أن يؤدي إلى تطورات جديدة في الذكاء الاصطناعي.

جويل هوتشسترتر هو مرشح دكتوراه في معهد نانو سيدني وكلية الفيزياء وكاتب رئيسي للورقة.

“استخدمنا أسلاك بطول 10 ميكرومتر ولا يزيد سمكها عن 500 نانومتر، مرتبة عشوائيًا على سطح ثنائي الأبعاد،” قال هوتشسترتر.

“في النقاط التي تتقاطع فيها الأسلاك، تشكل وصلة كهروكيميائية، مثل المشابك بين العصبونات،” قال. “وجدنا أن الإشارات الكهربائية التي تعبر هذه الشبكة تختار تلقائيًا أفضل طريق لنقل المعلومات. وهذا يسمح للشبكة “تذكر” المسارات السابقة عبر النظام.”

اختبار شبكة النانوية

استخدم الفريق المحاكاة لاختبار شبكة النانوية العشوائية من أجل التعلم عن كيفية أدائها بشكل أفضل وحل المهمات البسيطة.

في كل مرة كانت الإشارة التي تحفز الشبكة منخفضة جدًا، لم تنتج المسار مخرجات معقدة بما يكفي لأنها كانت متوقعة جدًا. من ناحية أخرى، إذا كانت الشبكة مكتظة بالإشارة، كانت المخرجات فوضوية جدًا.

هذا يعني أن الإشارة المثالية كانت على حافة هذه الحالة الفوضوية، وفقًا للفريق.

البروفيسور كونسيك من جامعة سيدني.

“تُشير بعض النظريات في العلوم العصبية إلى أن العقل البشري قد يعمل عند هذه الحافة من الفوضى، أو ما يسمى الحالة الحرجة،” قال البروفيسور كونسيك. “يعتقد بعض علماء الأعصاب أننا نصل إلى أداء الدماغ الأقصى في هذه الحالة.”

“ما هو مثير في هذا النتيجة هو أنه يشير إلى أن هذه الأنواع من شبكات النانوية يمكن أن تكون محسنة في أنظمة معقدة تشبه الدماغ، والتي يمكن أن تستغل لمعالجة المعلومات بشكل أفضل،” продолжила.

شبكة النانوية قادرة على دمج الذاكرة والعمليات في نظام واحد بسبب التماس بين الأسلاك. هذا يختلف عن الحواسيب التقليدية، التي تعتمد على ذاكرة وعمليات منفصلة.

“تتصرف هذه التماسك مثل الترانزستورات الحاسوبية ولكن مع خاصية إضافية تذكر أن الإشارات قد سافرت عبر هذه المسار من قبل. وبالتالي، يطلق عليها “memristors”،” قال هوتشسترتر.

الذاكرة هي في شكل مادي مع التماسك في نقاط تقاطع الأسلاك تعمل مثل INTERRUPTERS. سلوكها يعتمد على الاستجابة التاريخية للإشارات الكهربائية، وعند تطبيق الإشارات عبر التماسك، يتم تنشيطها كتيار يتدفق من خلالها.

“هذا يخلق شبكة ذاكرة داخل نظام النانوية العشوائي،” قال.

طور الفريق محاكاة للشبكة الفيزيائية لإظهار khảيته لحل المهمات البسيطة.

“في هذه الدراسة، قمنا بتدريب الشبكة على تحويل موجة بسيطة إلى أنماط موجية أكثر تعقيدًا،” قال هوتشسترتر.

ضبط الفريق السعة والتردد للإشارة الكهربائية لمعرفة مكان الأداء الأفضل.

“وجدنا أنه إذا دفعنا الإشارة ببطء شديد، فإن الشبكة تفعل نفس الشيء مرارًا وتكرارًا دون تعلم وتطوير. إذا دفعناها بسرعة كبيرة، تصبح الشبكة غير متوقعة وغامضة،” قال.

المزايا العملية

وفقًا للبروفيسور كونسيك، توحيد الذاكرة والعمليات له فوائد كبيرة للذكاء الاصطناعي.

“الخوارزميات المطلوبة لتدريب الشبكة على معرفة التماسك الذي يجب أن يمنح الوزن المناسب للمعلومات تستهلك الكثير من الطاقة،” قالت.

“النظم التي نطورها تفعل بدون الحاجة إلى هذه الخوارزميات. نسمح للشبكة بتطوير وزنها الخاص، مما يعني أننا لا نحتاج إلى القلق إلا بالإشارة الداخلة والخارجة، وهو إطار يسمى “حوسبة الخزان”. وزن الشبكة هو خودالتكيفي، مما قد يحرر كميات كبيرة من الطاقة.”

تقول كونسيك إن هذا يعني أن أنظمة الذكاء الاصطناعي المستقبلية التي تعتمد على هذه الشبكات سيكون لها بصمة طاقة أقل.